Explorar skills

Esta skill é para tarefas de aprendizado de máquina com dados de intervalo genômico (arquivos BED), como treinamento de embeddings de região (Region2Vec, BEDspace), análise de ATAC-seq de célula única (scEmbed) ou construção de picos de consenso. Aplica-se a coleções de arquivos BED, dados de scATAC-seq e conjuntos de dados de acessibilidade da cromatina.

Uma biblioteca Python para trabalhar com dados vetoriais geoespaciais, como shapefiles, GeoJSON e arquivos GeoPackage. É utilizada para análise espacial, operações geométricas, transformações de coordenadas e outras tarefas com dados geográficos vetoriais, suportando bancos de dados PostGIS e mapas interativos.

Esta skill detecta e relata recursos do sistema disponíveis (núcleos de CPU, GPUs, memória, espaço em disco) no início de tarefas científicas computacionalmente intensivas. Ela gera um arquivo JSON com informações de recursos e recomendações estratégicas para guiar decisões de abordagem computacional, como o uso de processamento paralelo ou computação out-of-core.

Realize consultas rápidas via CLI/Python em mais de 20 bancos de dados de bioinformática para buscas rápidas de informações genéticas, pesquisas BLAST, estruturas AlphaFold e análise de enriquecimento. É ideal para exploração interativa e consultas simples, sendo biopython ou bioservices recomendados para processamento em lote ou fluxos de trabalho avançados.

Analisa e projeta a glicosilação de proteínas. Escaneia sequências para sequons de N-glicosilação (N-X-S/T), prevê pontos quentes de O-glicosilação e acessa ferramentas de glicoprojetos curadas (NetOGlyc, GlycoShield, GlycoWorkbench) para engenharia de glicoproteínas, otimização de anticorpos terapêuticos e design de vacinas.

Kit de ferramentas de alto desempenho para análise de intervalos genômicos em Rust com bindings Python. É ideal para trabalhar com regiões genômicas, arquivos BED, trilhas de cobertura, detecção de sobreposição, tokenização para modelos de ML ou análise de fragmentos em genômica computacional e aprendizado de máquina.

Esta ferramenta oferece extração e pré-processamento leve de tiles WSI, ideal para processamento básico de lâminas, detecção de tecido e normalização de coloração para imagens H&E. É mais adequada para pipelines simples, preparação de conjuntos de dados e análise rápida baseada em tiles, sendo pathml recomendado para aplicações avançadas.

Hugging Science é um catálogo curado de conjuntos de dados científicos, modelos, posts de blog e Spaces interativos, projetado para usuários envolvidos em trabalho de IA/ML em vários domínios científicos como biologia, química e física.

Geração e teste automatizados de hipóteses impulsionados por LLMs em conjuntos de dados tabulares. Use para explorar sistematicamente padrões em dados empíricos, combinando insights da literatura com testes de hipóteses baseados em dados.

Formula hipóteses estruturadas e testáveis a partir de observações ou dados experimentais, incluindo previsões, mecanismos propostos e designs experimentais, seguindo o método científico.

Consulte e baixe dados públicos de imagens de câncer do NCI Imaging Data Commons usando idc-index. Acesse grandes conjuntos de dados de radiologia (TC, RM, PET) e patologia para treinamento de IA ou pesquisa sem autenticação, consultando por metadados, visualizando no navegador e verificando licenças.

Esta skill é para trabalhar com LaminDB, um framework de dados de código aberto para biologia que torna os dados consultáveis, rastreáveis, reproduzíveis e FAIR. Use-a para gerenciar conjuntos de dados biológicos, rastrear fluxos de trabalho, curar dados com ontologias, construir lakehouses ou garantir a linhagem e reprodutibilidade dos dados.